2023年《智能控制》课程考试试卷最新版C及超详细解析超详细解析超详细解析答案.pdf

《2023年《智能控制》课程考试试卷最新版C及超详细解析超详细解析超详细解析答案.pdf》由会员分享，可在线阅读，更多相关《2023年《智能控制》课程考试试卷最新版C及超详细解析超详细解析超详细解析答案.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、智能控制课程考试试题 C 智能控制课程考试试题 C 参考答案 一、填空题(1)符号主义(2)联接主义(3)行为主义(4)期望(5)期望(6)知识库(7)推理机(8)傅京孙(9)萨里迪斯(10)蔡自兴(11)组织级(12)协调级(13)执行级(14)专家控制(15)递阶控制(16)模型控制(17)遗传算法(18)传统反馈(19)前馈神经网络(20)反馈神经网络 二、选择题 1、D 2、A 3、B 4、A 5、D 6、B 7、C 8、A 9、C 10、D 三、问答题 1、答:长期以来,自动控制科学已对整个科学技术的理论和实践做出重要贡献,并为人类的生产、经济、社会、工作和生活带来巨大利益。然而,现

2、代科学技术的迅速发展和重大进步,已对控制和系统科学提出新的更高的要求,自动控制理论和工程正面临新的发展机遇和严峻挑战。传统控制理论,包括经典反馈控制、近代控制和大系统理论等,在应用中遇到不少难题。多年来,自动控制一直在寻找新的出路。现在看来,出路之一就是实现控制系统的智能化,以期解决面临的难题。人工智能(artificial intelligence,AI)的产生和发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平)智能控制(intelligent control,IC)发展。自动控制既面临严峻挑战,又存在良好发展机遇。为了解

3、决面临的难题,一方面要推进控制硬件、软件和智能的结合,实现控制系统的智能化;另一方面要实现自动控制科学与计算机科学、信息科学、系统科学以及人工智能的结合,为自动控制提供新思想,新方法和新技术,创立边缘交叉新学科,推动智能控制的发展。智能控制是人工智能和自动控制的重要部分和研究领域,并被认为是通向自主机器递阶道路上自动控制的顶层。人工智能的发展促进自动控制向智能控制发展。有趣的是,在相当长时间内,很少有人提到控制理论与人工智能的联系。不过,这也不足为奇,因为传统的控制理论(包括古典的和近代的)主要涉及对与伺服机构有关的系统或装置进行操作与数学运算,而人工智能所关心的则主要与符号运算、逻辑推理及计

4、算智能有关。近十年来,随着人工智能和机器人技术的快速发展,对智能控制的研究出现一股新的热潮。各种智能决策系统、专家控制系统、学习控制系统、模糊控制、神经控制、主动视觉控制、智能规划和故障诊断系统等已被应用于各类工业过程控制系统、智能机器人系统和智能化生产(制造)系统。近年来,以计算智能为基础的一些新的智能控制方法和技术己被先后提出来。这些新的智能控制系统有仿人控制系统、进化控制系统和免疫控制系统等。与人工智能学科相比,智能控制学科具有较大的容他性,而没有出发过于激烈和对立的争论。早在智能控制建立的初期,许多智能控制实际上把 3 个不同认知学派的思想融合和贯穿在智能控制学科之中。2、答:传统控制

5、理论在应用中面临的难题包括:(1)传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等,一般无法获得精确的数学模型。(2)研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。(3)对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。(4)为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。人工智能的产生和

6、发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平 智能控制发展。智能控制具有下列特点:(1)同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。(2)智能控制的核心在高层控制,即组织级。高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。(3)智能控制是一门边缘交叉学科。实际上,智能控制涉及更多的相关学科。智能控制的发展需要各相关学科

7、的配合与支援,同时也要求智能控制工程师是个知识工程师。(4)智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善,需要进一步探索与开发。3、答:递阶智能机器的一般结构是由三个控制层级,即组织级、协调级和执行级构成的。这三个控制层级的功能和结构如下:(1)组织级 组织级代表控制系统的主导思想,并由人工智能起控制作用。组织器作为推理机的规则发生器,处理高层信息,用于机器推理、规划、决策、学习(反馈)和记忆操作,如图 1 所示。图 1 组织级的结构框图(2)协调级 协调级是上(组织)级和下(执行)级之间的接口,承上启下,并由人工智能和运筹学共同作用。协调级由一定数量的具有固定结

8、构的协调器组成,每个协调器执行某些指定的作用。各协调器间的通讯由分配器来完成,而分配器的可变结构是由组织器控制的。(3)执行级 执行级是递阶智能控制的底层,要求具有较高的精度但较低的智能;它按控制论进行控制,对相关过程执行适当的控制作用。执行级的性能可由熵来表示,因而统一了智能机器的功用。4、答:图 2 给出了一种工业专家控制系统的结构框图。图 2 工业专家控制器简化结构图 该工业专家控制系统的工作原理和各组成部分的作用为:(1)知识库(KB):KB 存放工业过程控制的领域知识,由经验数据库(DB)和学习与适应装置(LA)组成。经验数据库主要存储经验和事实。学习与适应装置的功能就是根据在线获取

9、的信息,补充或修改知识库内容,改进系统性能,以便提高问题求解能力。(2)控制规则集(CRS):对受控过程的各种控制模式和经验的归纳和总结。(3)推理机构(IE):其复杂由于规则条数决定,如果搜索空间很小,推理机构(IE)就十分简单,采用向前推理方法逐次判别各种规则的条件,满足则执行,否则继续搜索。(4)特征识别与信息处理(FR IP):其作用是实现对信息的提取与加工,为控制决策和学习适应提供依据。它主要包括抽取动态过程的特征信息,识别系统的特征状态,并对这些特征信息进行必要的加工。5、答:模糊控制系统的基本结构如图 3 所示。其中,模糊控制器由模糊化接口、知识库、推理机和模糊判决接口四个基本单

10、元组成。它们的作用说明如下。图 3 模糊控制系统的基本结构 该工业专家控制系统的工作原理和各组成部分的作用为:(1)模糊化接口 测量输入变量(设定输入)和受控系统的输出变量,并把它们映射到一个合适的响应论域的量程,然后,精确的输入数据被变换为适当的语言值或模糊集合的标识符。本单元可视为模糊集合的标记。(2)知识库 涉及应用领域和控制目标的相关知识,它由数据库和语言(模糊)控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。(3)推理机 是模糊控制系统的核心。以模糊概念为基础,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规则来获取

11、,并可实现拟人决策过程。根据模糊输入和模糊控制规则,模糊推理求解模糊关系方程,获得模糊输出。(4)模糊判决接口 起到模糊控制的推断作用,并产生一个精确的或非模糊的控制作用。此精确控制作用必须进行逆定标(输出定标),这一作用是在对受控过程进行控制之前通过量程变换来实现的。6、答:人工神经网络的结构基本上分为两类,即递归(反馈)网络和前馈网络。(1)递归网络 在递归网络中,多个神经元互连以组织一个互连神经网络,如图 4 所示。有些神经元的输出被反馈至同层或前层神经元。因此,信号能够从正向和反向流通。Hopfield 网络,Elmman 网络和 Jordan 网络是递归网络有代表性的例子。递归网络又

12、叫做反馈网络。图 4 递归(反馈)网络 图 5 前馈(多层)网络 图 4 中,表示节点的状态,为节点的输入(初始)值,为收敛后的输出值,i=1,2,.,n。(2)前馈网络 前馈网络具有递阶分层结构,由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通;神经元从一层连接至下一层,不存在同层神经元间的连接,如图 5 所示。图中,实线指明实际信号流通而虚线表示反向传播。前馈网络的例子有多层感知器(MLP)、学习矢量量化(LVQ)网络、小脑模型联接控制(CMAC)网络和数据处理方法(GMDH)网络等。7、答:学习控制的定义的数学描述为:在有限时间域 0,T 内,给出受控对象的期望响应,寻求某个给定输入,使得 的响应,在某种意义上获得改善;其中,k 为搜索次数,t 0,T。称该搜索过程为学习控制过程。当 k时,该学习控制过程是收敛的。根据上述定义,可把学习控制的机理概括如下:()寻找并求得动态控制系统输入与输出间的比较简单的关系。()执行每个由前一步控制过程的学习结果更新了的控制过程。()改善每个控制过程,使其性能优于前一个过程。